[發(fā)明專(zhuān)利]一種應(yīng)用于淘寶網(wǎng)的智能促銷(xiāo)方案建模方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201610963473.0
• 申請(qǐng)日: 2016-10-28
• 公開(kāi)（公告）號(hào): CN107038190A
• 公開(kāi)（公告）日: 2017-08-11
• 發(fā)明（設(shè)計(jì)）人: 劉昆宏;洪清啟;吳清強(qiáng)
• 申請(qǐng)（專(zhuān)利權(quán)）人: 廈門(mén)大學(xué)
• 主分類(lèi)號(hào): G06F17/30
• 分類(lèi)號(hào): G06F17/30;G06Q30/02
• 代理公司: 深圳市合道英聯(lián)專(zhuān)利事務(wù)所(普通合伙)44309
• 代理人: 劉輝,廉紅果

技術(shù)領(lǐng)域

本發(fā)明涉及一種應(yīng)用于淘寶網(wǎng)的智能促銷(xiāo)方案建模方法。

背景技術(shù)

隨著互聯(lián)網(wǎng)的普及，網(wǎng)絡(luò)購(gòu)物的優(yōu)點(diǎn)更加突出，日益成為一種重要的購(gòu)物形式。網(wǎng)絡(luò)購(gòu)物中，商品的價(jià)格、信息均較實(shí)體店更為透明，易于消費(fèi)者進(jìn)行比對(duì)選擇，因此，網(wǎng)絡(luò)賣(mài)家之間存在的競(jìng)爭(zhēng)關(guān)系比實(shí)體店更為激烈殘酷，往往少數(shù)的賣(mài)家占據(jù)了絕大數(shù)量的市場(chǎng)。為提高商品的競(jìng)爭(zhēng)力，提升店鋪的知名度及網(wǎng)絡(luò)排名，網(wǎng)絡(luò)賣(mài)家經(jīng)常會(huì)進(jìn)行促銷(xiāo)活動(dòng)，但目前尚無(wú)可自動(dòng)為賣(mài)家提供促銷(xiāo)建議的系統(tǒng)及算法，賣(mài)家無(wú)法對(duì)促銷(xiāo)成本，促銷(xiāo)時(shí)長(zhǎng)、促銷(xiāo)結(jié)果及促銷(xiāo)價(jià)值進(jìn)行有效的評(píng)估，往往導(dǎo)致花費(fèi)了大量的財(cái)力人力，結(jié)果卻不盡人意。

發(fā)明內(nèi)容

本發(fā)明的目的在于克服上述現(xiàn)有技術(shù)的不足，提供一種應(yīng)用于淘寶網(wǎng)的智能促銷(xiāo)方案建模方法。

為實(shí)現(xiàn)上述目的，本發(fā)明采用以下技術(shù)方案：

一種應(yīng)用于淘寶網(wǎng)的智能促銷(xiāo)方案建模方法，包括以下步驟：

S1、利用爬蟲(chóng)程序從淘寶網(wǎng)、聚劃算及淘寶團(tuán)購(gòu)歷史數(shù)據(jù)中爬取各種有關(guān)商品促銷(xiāo)信息，從促銷(xiāo)商品所在的商家店面爬取商品本身信息，并跟蹤爬取銷(xiāo)量數(shù)據(jù)，包括促銷(xiāo)前銷(xiāo)量，促銷(xiāo)結(jié)束后一段時(shí)間內(nèi)商品的銷(xiāo)量；

S2、將爬取的數(shù)據(jù)進(jìn)行數(shù)據(jù)清洗、保存，形成商品促銷(xiāo)歷史數(shù)據(jù)庫(kù)；

S3、使用k-means算法將商品促銷(xiāo)數(shù)據(jù)庫(kù)中的商品根據(jù)行業(yè)類(lèi)別細(xì)分，將不同行業(yè)商品銷(xiāo)售數(shù)據(jù)分別載入不同數(shù)據(jù)表中，形成行業(yè)促銷(xiāo)歷史數(shù)據(jù)庫(kù)；

S4、使用數(shù)據(jù)挖掘算法，將商品促銷(xiāo)后銷(xiāo)量的變化百分比率作為預(yù)測(cè)目標(biāo)，對(duì)不同行業(yè)分別建立用于預(yù)測(cè)促銷(xiāo)銷(xiāo)量的模型，使用行業(yè)促銷(xiāo)歷史數(shù)據(jù)庫(kù)中的行業(yè)促銷(xiāo)數(shù)據(jù)作為模型訓(xùn)練數(shù)據(jù)；

S5、根據(jù)用戶(hù)訂制的需求，將擬促銷(xiāo)的商品相關(guān)計(jì)劃信息，包括擬促銷(xiāo)商品的數(shù)量、預(yù)期的商品銷(xiāo)量提升、促銷(xiāo)大致的時(shí)間段等作為輸入條件輸入預(yù)測(cè)模型中。

進(jìn)一步地，還包括步驟S6：采用協(xié)同過(guò)濾，從歷史數(shù)據(jù)中找出與待分析商品相似度最高的若干件商品的促銷(xiāo)方案及促銷(xiāo)效果與待促銷(xiāo)方案進(jìn)行比擬，使用余弦測(cè)度比較促銷(xiāo)方案的相似度，將相似度作為權(quán)重，對(duì)相應(yīng)方案的促銷(xiāo)效果進(jìn)行加權(quán)，將這些相似的商品促銷(xiāo)方案作為偏轉(zhuǎn)因子，作為對(duì)預(yù)測(cè)模型輸出的補(bǔ)充。

進(jìn)一步地，還包括步驟S7：將行業(yè)商品促銷(xiāo)數(shù)據(jù)依據(jù)促銷(xiāo)的時(shí)間序列數(shù)據(jù)進(jìn)行趨勢(shì)分解，找出其周期模式，根據(jù)用戶(hù)擬參與促銷(xiāo)的時(shí)間段進(jìn)行擬合，得到更精確的預(yù)測(cè)輸出結(jié)果。

進(jìn)一步地，還包括步驟S8:建立行業(yè)專(zhuān)家數(shù)據(jù)庫(kù)，行業(yè)專(zhuān)家將不同行業(yè)商品促銷(xiāo)的普遍規(guī)律以規(guī)則的方式進(jìn)行描述并記錄在知識(shí)庫(kù)中，對(duì)步驟S7所獲得的促銷(xiāo)方案進(jìn)行可行性分?jǐn)?shù)評(píng)定。

更進(jìn)一步地，步驟S4所述的用于預(yù)測(cè)促銷(xiāo)銷(xiāo)量的模型包括神經(jīng)網(wǎng)絡(luò)、邏輯回歸及支持向量機(jī)三個(gè)模型，選擇三個(gè)模型十折交叉驗(yàn)證的準(zhǔn)確率作為模型輸出的權(quán)重，設(shè)各個(gè)模型在訓(xùn)練數(shù)據(jù)的預(yù)測(cè)結(jié)果的準(zhǔn)確率為ai，i＝1,2,3,則對(duì)其進(jìn)行歸一化的結(jié)果即為他們最終的權(quán)值wi，即wi＝ai/(a1+a2+a3),i＝1,2,3。

更進(jìn)一步地，步驟S6具體包括：

S61、以待分析商品a的價(jià)格、當(dāng)前月銷(xiāo)量、評(píng)價(jià)數(shù)、店鋪評(píng)分等屬性構(gòu)成的向量r_u,a為分析依據(jù)，比較待分析商品a與其余任一商品b的相似度，則有，

式中，U代表當(dāng)前商品數(shù)據(jù)中同行業(yè)數(shù)據(jù)的集合，r_u為U中相關(guān)屬性向量，為向量均值，

以由待分析商品a的價(jià)格、當(dāng)前月銷(xiāo)量、評(píng)價(jià)數(shù)、店鋪評(píng)分等屬性構(gòu)成的向量r_u,a作為分析依據(jù)，r_u,b為以商品b的價(jià)格、當(dāng)前月銷(xiāo)量、評(píng)價(jià)數(shù)、店鋪評(píng)分等屬性構(gòu)成的向量；

S62、選擇相似度最高，且促銷(xiāo)商品檔次與待促銷(xiāo)商品一致的若干件商品，作為集合J，導(dǎo)入J中相關(guān)促銷(xiāo)方案數(shù)據(jù)，包括促銷(xiāo)時(shí)間、促銷(xiāo)折扣等、及促銷(xiāo)取得的銷(xiāo)量變化等l個(gè)屬性的集合，以r_c,a表示商品a生成的待促銷(xiāo)方案的屬性向量，r_c,b表示選擇對(duì)比的商品促銷(xiāo)方案屬性向量，待促銷(xiāo)商品a的促銷(xiāo)目標(biāo)為k_a件商品，對(duì)比商品b的促銷(xiāo)結(jié)果為k_b件商品,|J|表示J中商品的數(shù)量，比較促銷(xiāo)商品a和b的促銷(xiāo)方案的相似程度，則有，

S63、將計(jì)算得的dis(a,b)作為對(duì)b商品已有促銷(xiāo)屬性的權(quán)值，乘以所有商品的促銷(xiāo)屬性數(shù)據(jù)，作為對(duì)預(yù)測(cè)模型的修正，則最終預(yù)測(cè)模型的輸出修正數(shù)據(jù)為：

更進(jìn)一步地，步驟S7具體包括：